资源搜

资源名称：Python核心编程(第三版 英文版) 完整PDF 资源截图：

资源名称：深入浅出：使用Python编程  英文PDF 资源截图：

资源名称：预测分析建模 Python与R语言实现 中文pdf 第1章分析与数据科学 第2章广告与促销 第3章偏好与选择 第4章购物篮分析 第5章经济数据分析 第6章运营管理 第7章文本分析 第8章情感分析 第9章体育分析 第10章空间数据分析 第11章品牌和价格 第12章大型的小数字游戏 附录A数据科学方法 附录B测量方法 附录C案例研究 附录D编码和脚 资源截图：

资源名称：Python和Pygame游戏开发指南 中文pdf 第1章 安装Python和Pygame 1 第2章 Pygame基础知识 7 第3章 Memory Puzzle游戏 31 第4章 Slide Puzzle 72 第5章 Simulate 102 第6章 Wormy 125 第7章 Tetromino 146 第8章 Squirrel Eat Squirrel 191 第9章 Star Pusher 231 第10章 4款其他游戏 277 资源截图：

资源名称：Python数据分析基础 中文pdf 第 1 章 Python 基础 1第 2 章 CSV文件 48第 3 章 Excel 文件 82第 4 章 数据库 118第 5 章 应用程序 147第 6 章 图与图表 175第 7 章 描述性统计与建模 192第 8 章 按计划自动运行脚本 209第 9 章 从这里启航 220 资源截图：

资源名称：Python机器学习 完整pdf 第1章 赋予计算机学习数据的能力11.1构建智能机器将数据转化为知识11.2 机器学习的三种不同方法11.2.1 通过监督学习对未来事件进行预测21.2.2 通过强化学习解决交互式问题41.2.3 通过无监督学习发现数据本身潜在的结构41.2.4 基本术语及符号介绍51.3 构建机器学习系统的蓝图61.3.1 数据预处理61.3.2 选择预测模型类型并进行训练71.3.3 模型验证与使用未知数据进行预测81.4 Python在机器学习中的应用8本章小结9第2章 机器学习分类算法102.1 人造神经元—早期机器学习概览102.2 使用Python实现感知器学习算法132.3 自适应线性神经元及其学习的收敛性192.3.1 通过梯度下降最小化代价函数202.3.2 使用Python实现自适应线性神经元212.3.3 大规模机器学习与随机梯度下降25本章小结29第3章 使用scikit-learn实现机器学习分类算法303.1 分类算法的选择303.2 初涉scikit-learn的使用30使用scikit-learn训练感知器313.3 逻辑斯谛回归中的类别概率343.3.1 初识逻辑斯谛回归与条件概率343.3.2 通过逻辑斯谛回归模型的代价函数获得权重363.3.3 使用scikit-learn训练逻辑斯谛回归模型373.3.4 通过正则化解决过拟合问题393.4 使用支持向量机最大化分类间隔413.4.1 对分类间隔最大化的直观认识413.4.2 使用松弛变量解决非线性可分问题423.4.3 使用scikit-learn实现SVM443.5 使用核SVM解决非线性问题443.6 决策树483.6.1 最大化信息增益—获知尽可能准确的结果493.6.2 构建决策树523.6.3 通过随机森林将弱分类器集成为强分类器533.7 惰性学习算法—k-近邻算法54本章小结57第4章 数据预处理—构建好的训练数据集584.1 缺失数据的处理584.1.1 将存在缺失值的特征或样本删除594.1.2 缺失数据填充604.1.3 理解scikit-learn预估器的API604.2 处理类别数据614.2.1 有序特征的映射614.2.2 类标的编码624.2.3 标称特征上的独热编码634.3 将数据集划分为训练数据集和测试数据集644.4 将特征的值缩放到相同的区间654.5 选择有意义的特征664.5.1 使用L1正则化满足数据稀疏化674.5.2 序列特征选择算法704.6 通过随机森林判定特征的重要性74本章小结76第5章 通过降维压缩数据77 资源截图：

资源名称：Web接口开发与自动化测试 基于Python语言 虫师 中文pdf 第1章 Python学习必知第2章 Django入门第3章 Django视图第4章 Django模型第5章 Django模板第6章 Django测试第7章 接口相关概念第8章 开发Web接口第9章 接口测试工具介绍第10章 接口自动化测试框架第11章 接口的安全机制第12章 Web Services第13章 REST第14章 Django项目部署第15章 接口性能测试 资源截图：

资源名称：python学习总结分享 PDF 资源截图：

资源名称：千行代码入门Python 高清pdf 以代码的形式整理的Python入门文档，不算空行、注释等，应该不到一千行。认认真真读完、练习完这些代码，应该就能上手工作了。 可能在网页上显示的效果不理想，可以手动复制下来粘贴到文本文件中，利用notepad++等文本编辑器查看。 资源截图：

资源名称：python3.7.0官方参考文档 最新api文档 chm 1、新语法特性： PEP 563, 推迟评估类型注释 2、向后不兼容语法更改： async 和 await 现在保留关键字 3、新的库模块： contextvars: PEP 567 – Context Variables dataclasses: PEP 557 – Data Classes importlib.resources 4、新的内置功能： PEP 553, 新的 breakpoint() 函数 5、数据模型改进： PEP 562, customization of access to module attributes. PEP 560, core support for typing module and generic types. the insertion-order preservation nature of dict objects has been declared to be an - official part of the Python language spec. 6、标准库重要改进： asyncio模块性能和可用性改进 time 模块支持 nanosecond resolution 7、CPython 实现改进： 避免使用 ASCII 作为默认文本编码： PEP 538, legacy C locale coercion PEP 540, forced UTF-8 runtime mode PEP 552, deterministic .pycs 新的 development runtime mode PEP 565, 改进 DeprecationWarning 处理 8、C API 改进： PEP 539, 用于 thread-local 存储的新的 C API 9、文档改进： PEP 545,Python 文档翻译 资源截图：